Ini 9 Tips Analisis Data Kuantitatif untuk Skripsi dengan SPSS dan Excel agar Skripsi Tambah Lancar!

3. Menghitung Statistik Deskriptif di Excel dan SPSS

Statistik deskriptif memberikan gambaran awal mengenai karakteristik data yang akan dianalisis. Pada Excel, berbagai fungsi seperti AVERAGE, MEDIAN, MODE.SNGL, dan STDEV.S dapat digunakan untuk menghitung nilai rata-rata, median, modus, dan standar deviasi. Data yang tersaji akan memudahkan dalam memahami sebaran nilai dan kecenderungan sentral yang ada pada dataset.

SPSS menawarkan fitur Descriptive Statistics yang lebih terstruktur. Melalui menu Analyze > Descriptive Statistics > Descriptives, dapat diperoleh tabel yang menyajikan nilai-nilai statistik tersebut secara lengkap dan rapi. Kelebihan SPSS adalah kemampuannya memberikan output yang mudah dipahami dan langsung dapat digunakan dalam laporan skripsi tanpa harus pengolahan lebih lanjut.

4. Menguji Normalitas Data dengan SPSS

Pengujian normalitas data merupakan syarat penting untuk menentukan metode statistik yang tepat. SPSS menyediakan fitur uji normalitas yang mudah diakses melalui menu Analyze > Descriptive Statistics > Explore. Pada menu tersebut, variabel yang ingin diuji dimasukkan dan opsi Normality plots with tests dicentang untuk menghasilkan output uji Kolmogorov-Smirnov dan Shapiro-Wilk.

Nilai signifikansi yang dihasilkan oleh kedua uji ini akan menunjukkan apakah data berdistribusi normal atau tidak. Jika nilai signifikansi lebih besar dari 0,05, maka data dapat dikatakan berdistribusi normal dan uji parametrik bisa digunakan. Sebaliknya, jika nilai signifikansi kurang dari 0,05, perlu menggunakan uji non-parametrik yang tidak mengasumsikan normalitas.

Mengetahui kondisi distribusi data sangat penting agar analisis yang dilakukan valid dan tidak menimbulkan kesalahan interpretasi. Uji normalitas ini wajib dilakukan sebelum tahap uji korelasi atau regresi untuk menentukan pendekatan statistik yang tepat.

5. Melakukan Uji Korelasi di SPSS

Uji korelasi bertujuan untuk mengukur hubungan antara dua variabel numerik. Dalam SPSS, menu yang digunakan adalah Analyze > Correlate > Bivariate. Variabel-variabel yang akan diuji dimasukkan ke dalam kotak variabel, dan jenis korelasi dipilih sesuai distribusi data, misalnya Pearson untuk data normal atau Spearman untuk data non-normal.

Output yang dihasilkan berupa koefisien korelasi yang menunjukkan kekuatan dan arah hubungan antara variabel. Nilai koefisien berkisar antara -1 sampai +1, di mana nilai mendekati +1 menunjukkan korelasi positif kuat dan mendekati -1 menunjukkan korelasi negatif kuat. Selain koefisien, nilai signifikansi juga penting untuk menentukan apakah hubungan tersebut bermakna secara statistik.

Interpretasi hasil korelasi harus dilakukan secara hati-hati dan disesuaikan dengan konteks penelitian. Uji korelasi tidak menunjukkan hubungan sebab-akibat, melainkan hanya korelasi atau asosiasi antar variabel.

6. Melakukan Uji Regresi Linear Sederhana

Regresi linear sederhana digunakan untuk melihat pengaruh satu variabel independen terhadap variabel dependen. Pada SPSS, menu yang dipilih adalah Analyze > Regression > Linear. Variabel dependen dimasukkan pada kotak Dependent, dan variabel independen pada Independent(s).

Output yang dihasilkan berupa koefisien regresi yang menunjukkan seberapa besar perubahan variabel dependen dipengaruhi oleh variabel independen. Nilai signifikansi yang kurang dari 0,05 menunjukkan pengaruh variabel tersebut signifikan secara statistik.

Regresi linear membantu dalam menguji hipotesis penelitian dan memprediksi nilai variabel dependen berdasarkan variabel independen. Penting untuk memeriksa asumsi regresi seperti linearitas, normalitas residual, dan homoskedastisitas agar hasil regresi valid.

Sumber: libguides